caffe可视化工具的使用

1，使用parse_log.sh工具 解析出来train,和test两个工具 plot_training_log.py工具不可以使用，于是使用自己写的脚本工具进行处理

2，由于提取的文件都是以空格隔开，读入到计算机中是一个维的数据，所以用命令来更新文件

  写一个sh脚本displace.sh

#!/bin/bash

sudo awk ‘{gsub("  ",","); print $0 }‘ test_log.txt 

用于将双空格改成逗号

执行时候

./displace.sh |tee test_log_1.txt 用于将改变写入新文件中 

  3，提取数据并画图plot_test.py文件

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
#%matplotlib inline

result = pd.read_csv(‘test_log_1.txt‘,names=[‘Iters‘, ‘Time‘, ‘Accuracy‘])

print(result[‘Iters‘])
print(result[‘Time‘])
print(result[‘Accuracy‘])
result[‘Iters‘]=pd.to_numeric(result[‘Iters‘])
result[‘Time‘]=pd.to_numeric(result[‘Time‘])
result[‘Accuracy‘]=pd.to_numeric(result[‘Accuracy‘])
result.dtypes

fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
ax.plot(result[‘Accuracy‘].values,label=‘Accuracy‘)
#ax.plot(result[‘Class‘].values,label=‘Class‘)
#ax.plot(result[‘Obj‘].values,label=‘Obj‘)
#ax.plot(result[‘No Obj‘].values,label=‘No Obj‘)
#ax.plot(result[‘Avg Recall‘].values,label=‘Avg Recall‘)
#ax.plot(result[‘count‘].values,label=‘count‘)
ax.legend(loc=‘best‘)
ax.set_title(‘The Accuracy curves‘)
#ax.set_title(‘The Region Avg IOU curves‘)
ax.set_xlabel(‘batches‘)
#fig.savefig(‘Avg IOU‘)
fig.savefig(‘Accuracy‘)

caffe可视化工具的使用

原文：https://www.cnblogs.com/nku-wangfeng/p/9042951.html